一种用于腹部 CT 配准的多器官点云配准算法
计算机视觉与模式识别
2022-10-04 v1 机器学习
摘要
胸部 CT 图像的配准是疾病进展追踪或手术规划等多项任务的关键步骤。由于人体腹部内容异质，意味着复杂形变，它也是一项具有挑战性的步骤。在本工作中，我们专注于精确配准感兴趣器官的子集。我们通过扩展贝叶斯相干点漂移算法（BCPD）来配准器官表面点云，这类点云通常可从自动分割流程中提取。我们引入了 MO-BCPD，即 BCPD 算法的多器官版本，其显式建模了该任务的三个重要方面：器官各自的弹性属性、器官间运动一致性以及分割不准确性。该模型还提供了一个插值框架来估计整个体积的形变。我们通过配准来自 LITS 挑战数据集的不同患者展示了我们方法的效率。在解剖标志点上，MO-BCPD 的目标配准误差相比标准 BCPD 几乎减小一半，同时对各器官形变施加相同约束。
引用
@article{arxiv.2203.08041,
title = {A multi-organ point cloud registration algorithm for abdominal CT registration},
author = {Samuel Joutard and Thomas Pheiffer and Chloe Audigier and Patrick Wohlfahrt and Reuben Dorent and Sebastien Piat and Tom Vercauteren and Marc Modat and Tommaso Mansi},
journal= {arXiv preprint arXiv:2203.08041},
year = {2022}
}
备注
Accepted at WBIR 2022